我遇见的问题是达到所定的训练次数,但误差目标还没达到，也就说我的网络不收敛，是什么原因呢？请大家帮忙支招呀.
p=xlsread('Book1.xls');
t=xlsread('Book2.xls');
P=p';
T=t';
%输入向量的最大值和最小值
threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1];
%隐含层神经元个数n2和输入层神经元个数n1之间的关系：n2=2*n1+1，n2=49
net=newff(threshold,[49,4],{'logsig','purelin'},'trainlm');
%训练次数为1000，训练目标为0.01，学习速率为0.1
net.trainParam.epochs=1000;
net.trainParam.goal=0.01;
LP.lr=0.1;
LP.mc=0.9;
net=train(net,P,T);
%测试数据，和训练数据不一致
P_test=[0 0.046377 0.0054705 0.0019608 0.0014203 0.0019631 0.0054773 0.046285 0.046309 0 0.04635 0.0054717 0.0019625 0.0014209 0.0019628 0.0054734 0.0054755 0.046273 0 0.046321 0.0054762 0.0019631 0.0014205 0.0019611
]';
Y=sim(net,P_test)

怎么没有人回复一下呀，拜托大家帮帮忙

隐层神经元的选取,数据的归一化都可能导致不收敛,自己检查下

隐含层神经元太多了吧

这不是L-M算法

个人总是感觉神经网络有点自欺欺人，像BP网络再加上LM算法看上去很新颖，自认为优点在于容易发文章解决燃眉之急。但说实话它的预报能力很值得怀疑，因为它没有涉及到相应问题领域里的任何知识，是从纯数学的角度得出的结论，但数学不是科学，算出来的东西也无法用科学知识来解释。

训练次数可设置大一些，隐含层结点数目可以从24~60循环，找出拟合效果最好的模型。试一试。神经网络可以是个大忽悠，同一问题每次运行结果不同，这是最可怕的，实际应用价值不大！